Scikit-Learn 特征工程工具

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

在数据分析中，特征选择往往是我们面临的首要难题，本节将向大家介绍 Scikit-Learn 提供的特征工程相关工具，以便我们在 Python 中更好地对模型的特征进行处理。

1、分类变量特征预处理

首先我们构造如下示例数据：

1. data = [
   
2.     {'price': 850000, 'rooms': 4, 'neighborhood': 'Queen Anne'},
   
3.     {'price': 700000, 'rooms': 3, 'neighborhood': 'Fremont'},
   
4.     {'price': 650000, 'rooms': 3, 'neighborhood': 'Wallingford'},
   
5.     {'price': 600000, 'rooms': 2, 'neighborhood': 'Fremont'}
   
6. ]

复制代码

在作为示例的租房数据中，分类变量 neighborhood 可以对应以下三个值：

1. {'Queen Anne': 1, 'Fremont': 2, 'Wallingford': 3};

复制代码

运用 Scikit-Learn 中的 DictVectorizer 函数，我们将以上租房数据的分类变量转换为 one-hot 形式：

1. from sklearn.feature_extraction import DictVectorizer
   
2. vec = DictVectorizer(sparse=False, dtype=int)
   
3. vec.fit_transform(data)

复制代码

array([[     0,      1,      0, 850000,      4],       [     1,      0,      0, 700000,      3],       [     0,      0,      1, 650000,      3],       [     1,      0,      0, 600000,      2]])
可以通过调用 get_feature_names 函数，来查看转换后的数组中对应的列名：

1. vec.get_feature_names()

复制代码

['neighborhood=Fremont', 'neighborhood=Queen Anne', 'neighborhood=Wallingford', 'price', 'rooms']
要注意的是，当我们将 DictVectorizer 函数参数 sparse 的值设置为 True 时，转换后的对象将不再是一个数组，而是一个 sparse matrix 对象：

1. vec = DictVectorizer(sparse=True, dtype=int)
   
2. vec.fit_transform(data)

复制代码

<4x5 sparse matrix of type '<class 'numpy.int64'>'        with 12 stored elements in Compressed Sparse Row format>

后文还有介绍 文本特征提取、特征项扩充、特征缺失值处理、pipeline 模型等，内容较多，先搬运到这，有需要的同学可以先直接到 数析学院 查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：scikit-learn Learn Earn Lea ear 工程 搬运 模型 学院

谢谢分享